РАЗРАБОТКА И ИССЛЕДОВАНИЕ СИСТЕМЫ ОБНАРУЖЕНИЯ И КОНТРОЛЯ ВНУТРИТРУБНЫХ ДЕФЕКТОВ

Целостность и безопасность трубопровода критически важны для транспортировки воды, нефти и газа, однако традиционные методы контроля требуют значительных ресурсов и подвержены ошибкам, что задерживает выявление дефектов и повышает риски. Современные технологии мониторинга нуждаются в улучшении для повышения эффективности диагностики и снижения затрат. Целью данной работы является создание автономной роботизированной системы, способной обнаруживать, локализовать и классифицировать проблемы внутри трубы, используя сложные методы визуализации и алгоритмы искусственного интеллекта. Для достижения этой цели использовались многомодальные датчики повышения точности (камеры RGB высокого разрешения, ультразвуковые и инфракрасные датчики) с методами обработки данных, такими как детектор краев Canny и алгоритм кластеризации DBSCAN. Практическое применение данной работы очень полезно для целостности и безопасности критически важных трубопроводных инфраструктур, транспортирующих воду, нефть, газ. Исследовательские подходы включают создание модульной роботизированной платформы для автономной навигации, создание синтетических данных для обучения глубоких нейронных сетей и экспериментальную проверку на трубопроводах из различных материалов и размеров. Экспериментальные результаты показывают, что система значительно превосходит существующие подходы, снижая время на обнаружение дефектов, что делает ее ценным инструментом для профилактического обслуживания, соблюдения нормативных требований и повышения безопасности трубопроводов.

1. Smart Pipe Inspection Robot With In-Chassis Motor Actuation Design and Integrated AI-Powered Defect Detection System, D. Zholtayev et al // in IEEE Access. – 2024. – Vol. 12. – Р. 119520-119534. https://ieeexplore.ieee.org/document/10649586.

2. Design and Development of an In-Pipe Mobile Robot for Pipeline Inspection with AI Defect Detection System / A. Kenzhekhan et al // 23rd International Conference on Control, Automation and Systems (ICCAS), Yeosu, Korea, Republic of. – 2023. – Р. 579-584. https://doi.org/10.23919/ICCAS59377.2023.10316817.

3. Development of an In-Pipe Inspection Robot for Large-Diameter Water Pipes / K-W. Jeon et al // Sensors. – 2024. – № 24(11). – Р. 3470. https://doi.org/10.3390/s24113470.

4. Autonomous Navigation of In-Pipe Inspection Robot Using Contact Sensor Modules / H. Jang et al // in IEEE/ASME Transactions on Mechatronics. – 2022. – Vol. 27. – № 6. – Р. 4665-4674. https://doi.org/10.1109/TMECH.2022.3162192 https://ieeexplore.ieee.org/document/9759493.

5. Defect detection in pipe structures using stochastic resonance of Duffing oscillator and ultrasonic guided waves / Wu Jing et al // International Journal of Pressure Vessels and Piping. – 2020. – № 187. – Р. 104168. https://doi.org/10.1016/j.ymssp.2016.05.012.

6. Automatic Detection of Water Supply Pipe Defects Based on Underwater Image Enhancement and Improved YOLOX / Changwang Su et al // Journal of Construction Engineering and Management. – 2024. – № 150. – Р. 04024134. https://doi.org/10.1061/JCEMD4.COENG-14919.

7. Systematic Evaluation of Ultrasonic In-Line Inspection Techniques for Oil and Gas Pipeline Defects Based on Bibliometric Analysis / J. Huang et al // Sensors. – 2024. – № 24(9). – Р. 2699. https://doi.org/10.3390/s24092699.

8. Experimental investigation for multi-defect detection of industrial pipeline based on passive infrared thermal imaging analysis: A case study /Zhou Gang et al // International Journal of Pressure Vessels and Piping. – 2023. – № 206. – Р. 105058. https://www.sciencedirect.com/science/article/pii/S0308016123001758.

9. A Rapid Screening Method for Suspected Defects in Steel Pipe Welds by Combining Correspondence Mechanism and Normalizing Flow / W. Cui et al // in IEEE Transactions on Industrial Informatics. – 2024. – Vol. 20, № 9. – Р. 11171-11180. https://doi.org/10.1109/TII.2024.3399934 https://ieeexplore.ieee.org/document/10538047

10. Mustafaev B. Еnhancing Metal Surface Defect Recognition Through Image Patching and Synthetic Defect Generation / B. Mustafaev, S. Kim, E. Kim // in IEEE Access. – 2023. – Vol. 11. – Р. 113339-113359. https://doi.org/10.1109/ACCESS.2023.3322734 https://ieeexplore.ieee.org/document/10274090.